張建新 焦帥峰 范雄 陳奎 賈子偉

【摘 要】 近年來，智能機器人逐漸走進人類的日常生產(chǎn)生活，而解魔方機器人因為其無與倫比的趣味性和炫酷的交互性，正成為人工智能的研究熱點。本解魔方機器人采用了最為簡單的機械結(jié)構(gòu)，通過SVM分類器實現(xiàn)對魔方色塊顏色的精準(zhǔn)識別，通過機械步驟解算方案將解算步驟轉(zhuǎn)換成機器人可以直接執(zhí)行的機械步驟，最終完成了一個快速且穩(wěn)定的雙臂二指解魔方機器人。

【關(guān)鍵詞】 機械結(jié)構(gòu) SVM分類訓(xùn)練 步驟解算 控制方案 雙臂二指

1 機械結(jié)構(gòu)設(shè)計

1.1 機器人總體框架的設(shè)計

考慮到機器人要能夠?qū)崿F(xiàn)雙臂的高速旋轉(zhuǎn)，框架的設(shè)計上為確保魔方機器人的平穩(wěn)運行，整體框架采用全金屬的鋁型材搭建，再則考慮到控制器模塊、電源模塊、穩(wěn)壓模塊、繼電器模塊、高頻氣閥開關(guān)、氣缸的位置擺放，使用了輕質(zhì)的木料，以此作為各個模塊結(jié)構(gòu)的支撐平臺;將兩個攝像頭放置在效果最佳位置處，減少圖像識別所需的機械步驟，避免攝像頭的冗余。3D圖如圖1，實物圖如圖2。

1.2 機械臂結(jié)構(gòu)

機械臂由高精確度高轉(zhuǎn)速的伺服電機、高轉(zhuǎn)速的滑環(huán)以及平行滑軌組成，兩個機械臂固定在具有45°斜角的鋁型材上，為消除電機轉(zhuǎn)軸與滑環(huán)徑向不共軸的影響，在它們之間采用彈性聯(lián)軸器，滑環(huán)定子部分固定在鋁型材上，平行滑軌與滑環(huán)轉(zhuǎn)子相連接。

1.3機械抓手

抓手是通過solid works繪制圖形，使用強度高的ABS材料進行3D打印，經(jīng)過了多次設(shè)計比較嘗試后，最終選擇了如下圖3所示的組件構(gòu)成抓手。

1.4氣源支架

因氣源重量大，為使氣源容易取出，如上圖4所示，根據(jù)抽屜的工作原理，在平臺上設(shè)計了一個可以來回推動的氣源支架，當(dāng)需要充氣時，可以將支架抽出，正常工作時，將氣源放于支架上，然后推入。在規(guī)定范圍內(nèi)，這種設(shè)計，不僅穩(wěn)固，且方便氣源的取放。

1.5 雙攝像頭最佳擺放方案

在頂面和底面各放置一個攝像頭，一次性采集4個面的顏色（F、B、U和D），隨后只需左手帶動魔方整體轉(zhuǎn)動90度，就能采集另外兩個面的色塊信息（R和L）。通過這種方法，只需要電機轉(zhuǎn)動一次就可以將所有的色塊信息全部采集完成，減少了圖像處理的時間。

2 控制系統(tǒng)設(shè)計

采用PC作為上位機，用于控制攝像頭，將圖像處理所得信息通過串口發(fā)送給下位機;采用STM32F407主控板作為下位機，用于控制電機驅(qū)動器進而驅(qū)動伺服電機，控制繼電器進一步控制高頻電磁閥，進而控制氣動導(dǎo)軌，最終實現(xiàn)解魔方的功能。整體控制體系如圖5所示。

2.1控制部分軟件設(shè)計

使用通用定時器產(chǎn)生一定頻率的脈沖信號（PWM波占空比固定），再使用另一定時器對脈沖進行計數(shù)。通過伺服電機的細分?jǐn)?shù)計算電機轉(zhuǎn)動90度、180度所需要的脈沖個數(shù)，進而控制手臂轉(zhuǎn)動相應(yīng)的角度。抓手部分使用I/O口產(chǎn)生高低電平，分別控制抓手的開閉。控制部分程序流程如右圖6所示。

2.2解算步驟轉(zhuǎn)換成機械步驟

上位機產(chǎn)生解算步驟后，需要將解算步驟轉(zhuǎn)化成機械手能執(zhí)行的機械步驟，本魔方機器人有兩個操作面，規(guī)定初始時刻‘D在左手操作面，‘B在右手操作面，每一次轉(zhuǎn)動完成之后，機械手的狀態(tài)（末態(tài)）組合只有三種（左右手在初位置;左手在初位置，右手不在;左手不在初位置，右手在初位置），下一次轉(zhuǎn)動從上一次機械手的末態(tài)開始，這樣就有效的減少了冗余動作。魔方之間的坐標(biāo)變換如表1：

規(guī)定初始時刻魔方各個面所在的位置為參考坐標(biāo)，如上圖7所示。上位機的解算步驟執(zhí)行一步，魔方各個面的位置就會在參考坐標(biāo)上變換一次。每執(zhí)行一次上位機的步驟就實時更新魔方面的坐標(biāo)，再配合機械手的三種末態(tài)，完成上位機的步驟到機械手步驟之間的轉(zhuǎn)換。

3 基于SVM分類訓(xùn)練的顏色識別方案

使用 SVM 分類器，實現(xiàn)魔方 54 個色塊的識別。首先，在正式開始識別之前， 使用攝像頭獲取魔方的 6 種色塊的在不同位置的多個樣本，將這些樣本保存在一個文件夾中， 如圖 8。 然后獲取樣本中每個像素點的 BGR 值，將這些 BGR 值作為樣本數(shù)據(jù)開始訓(xùn)練，并為每種顏色的訓(xùn)練數(shù)據(jù)設(shè)定相應(yīng)的標(biāo)簽。測試時，通過攝像頭拍攝6個面的圖片，共4張，將圖片保存在同一個文件夾中， 隨后調(diào)用照片，通過設(shè)定每個色塊的坐標(biāo)，提取相應(yīng)坐標(biāo)的 BGR 值與實現(xiàn)訓(xùn)練的6種顏色類型進行匹配，進而獲得魔方 54 個色塊的顏色。原圖如圖 9，顏色識別的效果圖如圖 10。

4 結(jié)束語

通過巧妙地機械結(jié)構(gòu)設(shè)計，實現(xiàn)了整體結(jié)構(gòu)的極簡性。采用SVM分類訓(xùn)練使得機器人在不同的外界環(huán)境下也可以完美的識別色塊顏色，實現(xiàn)了穩(wěn)定性。通過步驟結(jié)算方案，實現(xiàn)了將解算步驟轉(zhuǎn)化為步驟最少的機械步驟，實現(xiàn)了快速性。

【參考文獻】

[1] 毛星云等編著.Opencv3編程入門[M].北京：電子工業(yè)出版社，2015.

[2] 譚浩強編著.C++面向?qū)ο蟪绦蛟O(shè)計[M].北京：清華大學(xué)出版社，2006.

[3] 白志剛編著.自動控制系統(tǒng)解析與PID整定[M].北京：化學(xué)工業(yè)出版社，2012.

[4] 代勇等編著.Visual C++網(wǎng)絡(luò)通信編程技術(shù)詳解[M].北京：機械工業(yè)出版社，2011.

[5] 謝鈞，謝希仁編著.計算機網(wǎng)絡(luò)教程：微課版[M].北京：人民郵電出版社，2018.